---
term: "Just-in-Time Context"
slug: "just-in-time-context"
glossar_id: "G225"
variants: []
category: "kontextfenster-kontextmanagement-und-kontextprobleme"
marker: ""
short: "Relevante Informationen erst bei konkretem Bedarf nachladen."
sources:
  - label: "Anthropic: Context Engineering"
    url: "https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents"
status: "entwurf"
updated: "2026-09-21"
---

Just-in-Time Context bedeutet, Informationen erst dann in den aktiven Modellkontext zu laden, wenn sie für einen konkreten Bearbeitungsschritt gebraucht werden. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents) Statt sämtlicher Inhalte können zunächst leichtgewichtige Verweise wie Dateipfade, Suchabfragen oder Dokumentadressen bereitstehen. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)

## Verweise statt vollständiger Vorrat

Ein Agent kann über Werkzeuge die benötigten Inhalte im Verlauf der Aufgabe abrufen. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents) Das hält nicht benötigte Details zunächst außerhalb des aktiven Kontexts. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)

Üblich sind dabei auch Mischformen: Bestimmte Grundlagen werden von Beginn an bereitgestellt, weitere Informationen gezielt nachgeladen. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents) Der Ansatz verlangt deshalb nicht, jeden Aufruf ohne Vorwissen zu beginnen.

Der Abruf muss allerdings tatsächlich möglich sein. Für eine konkrete Anwendung würde ich prüfen, ob Verweise gültig sind, passende Werkzeuge existieren und die erforderlichen Zugriffsrechte vorliegen.

## So kannst du dir das vorstellen

Eine hypothetische KI soll einen Fehler in einem Projekt untersuchen. Zu Beginn erhält sie die Aufgabenbeschreibung und eine Übersicht der verfügbaren Dateien.

Erst wenn sich ein bestimmtes Modul als relevant erweist, liest sie dessen Inhalt und gegebenenfalls zugehörige Tests. Das gesamte Projekt würde nicht vorsorglich in jeden einzelnen Aufruf kopiert.

Wenn wichtige Abhängigkeiten in anderen Dateien liegen, müssten diese ebenfalls nachgeladen werden. „Nur bei Bedarf“ bedeutet nicht „nur die zuerst gefundene Datei“.

## Weniger Vorabmaterial, mehr Abrufentscheidungen

Der Ansatz kann gegenüber bereits vorbereiteten Kontexten zusätzliche Such- und Werkzeugschritte erfordern. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents) Ein knappes Anfangsfenster ist deshalb nicht automatisch der schnellste Weg zum Ergebnis.

Ich würde sowohl die Qualität der Abrufentscheidungen als auch die Vollständigkeit des schließlich verwendeten Materials prüfen. Ein wichtiger Unterschied zu Progressive Disclosure liegt im Schwerpunkt: Just-in-Time beschreibt den Zeitpunkt des Ladens, Progressive Disclosure die schrittweise Offenlegung unterschiedlicher Detailstufen. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)

Beides lässt sich kombinieren, etwa wenn zunächst eine Übersicht und anschließend nur die gerade benötigten Abschnitte gelesen werden. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)

## Verwandte Begriffe

**Progressive Disclosure**, **Context Engineering**, **Retriever**, **Tool Use**, **Context Curation**.